Klasifikasi Sentimen Komentar Pengguna Pada Aplikasi Ruang Guru Menggunakan Algoritma Naive Bayes

Kemajuan teknologi digital mendorong peningkatan penggunaan aplikasi pembelajaran daring seperti Ruangguru, sekaligus memunculkan berbagai inovasi dalam bidang pendidikan. Ruangguru, sebagai salah satu aplikasi edukasi populer di Indonesia, menerima ribuan komentar dari penggunanya yang dapat dianalisis untuk menggambarkan kepuasan serta persepsi mereka. Penelitian ini berusaha untuk secara otomatis mengklasifikasikan komentar pengguna berdasarkan sentimen yang terkandung di dalamnya menggunakan algoritma Naive Bayes Classifier sehingga dapat membantu pengembang Ruangguru dalam memahami kebutuhan dan preferensi penggunanya serta meningkatkan kualitas layanan. Data diperoleh dari platform Google Play Store, dengan jumlah sekitar 5000 komentar pada rentan waktu 28 oktober sampai dengan 31 desember, yang kemudian dikumpulkan menggunakan alat google-play-scraper. Penggunaan algoritma Naïve Bayes Multinomial dengan penimbangan TF-IDF membantu menganalisis data dan menghasilkan empat kategori sentimen: Sangat Baik, Baik, Cukup Baik, dan Kurang Baik. Penggunaan ukuran akurasi, presisi, recall, dan F1-score membantu mengevaluasi model. Dengan tingkat akurasi 84,83%, model dilaporkan mencocokkan label aktual dalam data uji sekitar 85% dari prediksinya. Skor F1 juga 85%; akurasi 86%; recall 85%. Hasil klasifikasi menunjukkan bahwa kategori “Baik” mendominasi dengan proporsi sebesar 28,3%, kemudian kategori “Baik Sekali” sejumlah 24,3%; “Cukup Baik” sebanyak 24,0%; serta “Kurang Baik” sejumlah 23,4%. Hal ini menunjukkan bahwa dalam klasifikasi komentar, model mempertahankan campuran yang wajar antara sensitivitas dan akurasi. Dengan demikian, metode Naïve Bayes Classifier mampu mengidentifikasi opini pengguna secara otomatis dan berpotensi digunakan sebagai alat bantu dalam analisis sentimen pada layanan pembelajaran daring.

Kata kunci: Naïve Bayes, klasifikasi sentimen, Ruangguru, Komentar Pengguna, TF-IDF.